Sentence Similarity
sentence-transformers
ONNX
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:31992
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use Miya67/aiq-scoring-e5-base with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Miya67/aiq-scoring-e5-base with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Miya67/aiq-scoring-e5-base") sentences = [ "query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう? 回答: しゃんぱん", "query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう? 回答: しゃんぱん", "query: 問題: 左官屋が拾った財布を、落し主の大工に返しに行くが受け取らず、訴えを裁いた大岡越前守が一両を出してうまくおさめるという内容の、古典落語のタイトルは何でしょう? 回答: みかたいちりょうそん (らくご)", "query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう? 回答: ぴの・ぐり" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.models.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.models.Pooling" | |
| }, | |
| { | |
| "idx": 2, | |
| "name": "2", | |
| "path": "2_Normalize", | |
| "type": "sentence_transformers.models.Normalize" | |
| } | |
| ] |